ESTIMASI PERBAIKAN NILAI SNR
|
|
- Yenny Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMASI PERBAIKAN NILAI SNR (SIGNAL TO NOISE RATIO) PADA PROSES DENOISING MENGGUNAKAN METODE WAVELET TERHADAP SUATU SINYAL BERDERAU David Sebastyan Simangunsong *), Ajub Ajulian Zahra, Achmad Hidayatno Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia *) : dave_eagle_028@yahoo.com ABSTRAK Dalam sistem komunikasi, pengiriman suatu sinyal informasi ke penerima akan melewati suatu media transmisi. Pada proses pengiriman ini, sinyal informasi yang diterima oleh penerima mengalami gangguan oleh sinyalsinyal yang tidak diinginkan ynag disebut dengan derau (noise). Signal to Noise Ratio (SNR) adalah suatu ukuran untuk menentukan kualitas dari sebuah sinyal yang terganggu oleh derau. Dapat dikatakan bahwa SNR menunjukkan perbandingan antara daya sinyal asli (informasi) dengan daya derau. Perhitungan SNR dapat dilakukan dengan menentukan nilai daya dari sinyal informasi dan sinyal derau. Teknik pengukuran SNR suatu sinyal yang berderau dapat diklasifikasikan menjadi beberapa kategori, diantaranya berdasarkan membedakan spektrum dearu dengan sinyal informasi. Pendekatan lain dengan mengukur besarnya energi sinyal informasi dan derau. Dalam tugas akhir ini SNR diukur dengan membandingkan energi antara sinyal berderau dan sinyal hasil denoising, dimana masing-masing sinyal dibandingkan dengan energi dari sinyal informasi. Sinyal hasil denoising didapat dengan metode Wavelet yang melakukan proses pemisahan komponen sinyal derau yang diasumsikan memiiki koefisien pada frekuensi tinggi, dan sinyal informasi pada frekuensi rendah. Kemudian melakukan proses threshold pada koefisien frekuensi tinggi untuk mengurangi jumlah koefisien yang diperkirakan berasal dari sinyal derau. Kemudian melakukan proses pembangunan ulang sinyal untuk mendapatkan bentuk sinyal yang lebih baik dari sinyal berderau dan bersama-sama dengan sinyal berderau dibandingkan terhadap sinyal informasi untuk dicari nilai SNR masing-masing, kemudian dicari nilai selisih yang disebut juga SNR Improvement yang merupakan parameter dari kinerja metode Wavelet untuk melakukan proses denoising terhadap sinyal berderau. Kata Kunci : MySQL, Load Balancing, Linux Virtual Server ABSTRACT In telecommunication system, Delivering process of an information to receiver side from sender will certainly passing through some transmission medium. In this process, information signal which supposed to be received by receiver in many cases interfered by unexpected signal called noise. Signal to Noise Ratio (SNR)is a standard for measuring quality of a noisy signal. It means SNR is used to show comparison between power of information signal and noise signal. Calculating SNR can be done with determining power coefficient from both information signal and noise signal. Some techniques to calculate SNR are classsificated into some categories, one is by determining spectrum of information and noise, and the other is by calculating energy of both. For this final project, SNR is estimated with comparing amount of energy between noisy signal and denoised signal, where both signal compared firsr with information signal. In order to define denoised signal, the noisy signal is passed into Wavelet Method ( DWT) which then does some dividing operation between approximation and detail of noisy signal. In this operation, an assumption that almost all coefficients in detail, or high frequency portion originated from noise is made. The next opreation is denoising the signal by calculating a threshold value in order to shrink some coefficients in a certain range inside detail coefficients. Then after shrinking the next process is to reconstruct the signal using IDWT inside Wavelet Method. The denoised signal is produced at last. The next process is to compare the energy between both noisy and denoised signal by firstly compared the energy each of them to energy of information signal. The result then become the SNR of noisy signal to information minus denoised signal to information which is called SNR Improvement. Keywords : Metode Wavelet,SNR, DWT, perbaikan SNR, threshold, Daubechies, Coiflet. 1. PENDAHULUAN Transformasi Fourier adalah salah satu jenis transformasi yang digunakan untuk menganalisa komponen frekuensi pada sinyal, lebih tepatnya adalah mengalihragamkan komponen waktu pada sinyal menjadi komponen frekuensi. Namun ditemukan sebuah kekurangan pada transformasi Fourier yaitu
2 tidak dapat melakukan analisa pada sinyal nonstasioner, dimana pada sebuah sinyal yang mengandung sifat-sifat yang unik yang terjadi pada periode tertentu. Untuk menutup kekurangan ini maka tahun 1946 Dennis Gabor melakukan teknik Windowing pada bagian tertentu dari sinyal pada waktu tertentu. Teknik ini disebut STFT ( Short Time Fourier Transform ). Metode ini mampu melakukan analisa pada sinyal nonstasioner. Namun, karena window ini hanya digunakan sekali pada waktu tertentu, maka pada waktu tertentu itu pula semua frekuensi pada sinyal akan mendapat window dengan ukuran yang sama, padahal frekuensi dengan rentang nilai yang berbeda membutuhkan jendela dengan ukuran yang berbeda. Metode Wavelet merupakan salah satu metode yang menggunakan analisa sinyal secara multiresolusi. Dimana sinyal masukan tidak hanya dianalisa pada tingkat frekuensi dan amplitudo saja, tetapi juga mengalami proses dekomposisi yang disesuaikan dengan ciri-ciri sinyal yang akan dicari dari sinyal masukan. Metode Wavelet merupakan pengembangan dari metode transformasi Fourier yang memiliki masalah pada analisa komponen waktu dan frekuensi pada saat bersamaan. Tujuan utama dalam tugas akhir ini adalah seberapa efektif metode Wavelet mengembalikan sinyal masukan yang mengalami derau dibandingkan dengan sinyal masukan itu sendiri. 2. LANDASAN TEORI 2.1 Sinyal, Sistem, dan Pengolahan Sinyal Diterjemahkan dari kamus Inggris Oxford, sinyal adalah suatu tanda (sign) atau pemberitahuan (notice) yang dapat ditangkap oleh penglihatan atau pendengaran terutama untuk kepentingan penyampaian peringatan, petunjuk, atau informasi. Sinyal merupakan besaran fisik yang mengandung informasi. 2.2 Klasifikasi sinyal Sinyal Kontinyu dan Diskret Sinyal kontinyu atau sering disebut sinyal analog, didefinisikan untuk selang waktu (a,b) dengan harga a dapat mencapai harga - (negatif tak hingga) dan b dapat mencapai (tak hingga). Secara matematis sinyal kontinyu dideskripsikan dengan fungsi matematis dari satu atau lebih variabel dengan selisih yang sangat kecil antara variabel satu dengan variabel lainnya atau mendekati harga nol. Sinyal-sinyal yang dideskripsikan pada persamaan (2.1) dan (2.2) di atas adalah contoh-contoh sinyal kontinyu dengan persyaratan t terletak antara negatif tak hingga dan tak hingga ( - t ) seperti pada Gambar 2.1. Gambar 2.1 Sinyal Kontinyu Pendefinisian sinyal dilakukan antara (a,b) dengan a dan b adalah bilangan integer yang terdefinisi pada harga tertentu. Secara matematis sinyal diskret dideskripsikan dengan fungsi matematis dari satu atau lebih variabel, dimana harga variabel pada sinyal diskret selalu berupa bilangan bulat. Persamaan (2.1) dan (2.2) dapat menjadi siny al diskret dengan persyaratan variabel t merupakan kelipatan dari bilangan bulat atau t=-n, -n+1,..., -2, -1, 0, 1, 2,..., n-1, n. Contoh sinyal diskret seperti pada Gambar 2.2. Gambar 2.2 Contoh Sinyal Diskret 2.3 Sinyal Random Istilah acak ( random) mengandung arti tidak dapat diduga atau diramalkan. Jika suatu penerima di ujung lain kanal komunikasi telah mengetahui sebelumnya apa isi pesan yang dikirimka, maka pesan tidak ada gunanya untuk dikirimkan dan karenanya komunikasi tidak diperlukan. Komunikasi ada karena pesan yang akan diterima oleh penerima bersifat acak atau tidak dapat diduga sebelumnya. Lebih jauh lagi sinyal yang akan ditransmisikan akan selalu disertai derau yang muncul dalam sistem. Bentuk derau (derau) ini juga bersifat acak sehingga menimbulkan gangguan yang tidak dapat diramalkan pada sinyal. Bentuk sinyal-sinyal yang tidak dapat diramalkan ini merupakan proses acak, sehingga diperlukan teori mengenai peluang (probability) untuk menggambarkan proses acak tersebut Derau (noise) dalam Sistem Komunikasi Istilah derau (noise) menunjukan sinyal listrik yang tidak diinginkan yang selalu muncul dalam sistem listrik. Keberadaan derau ( noise) mengurangi kinerja sistem-sistem komunikasi. Seberapa besar pengaruh derau terhadap kinerja sistem komunikasi diukur dengan membandingkan kekuatan sinyal keluaran sistem terhadap daya derau, yaitu dengan menggunakan besaran rasio sinyal terhadap derau (signal to noise ratio) atau besaran turunannya, peluang galat. Besaran rasio sinyal terhadap derau (SNR, signal to noise ratio) digunakan untuk sistem komunikasi analog. 2.4 Sejarah dan perkembangan Wavelet Wavelet berasal dari kata wave yang artinya gelombang kecil. Nilai rata-rata dari amplitudo
3 gelombang ini adalah 0 (rata-rata koefisien sinyal dari fase positif dan fase negatif). Wavelet sudah ada sejak abad ke-19. Tepatnya ketika Joseph Fourier mengembangkan teknik alihragam dari ranah waktu ke frekuensi pada suatu sinyal. Kemudian berkembang menjadi teknik analisa pada skala sinyal. Tahun 1909, A.Haar mulai menyebutkan sebuah nama dalam tesisnya yaitu Wavelet. Analisa dengan Wavelet ini dilakukan hanya terbatas pada interval yang telah ditetapkan. Tahun 1930 Paul Levy membuktikan bahwa teknik Wavelet lebih berhasil dibandingkan Fourier dalam hal mempelajari detail-detail yang kecil dan rumit dalam pergerakan Brownian. Setelah itu ada beberapa perkembangan, khususnya dalam bidang fisika atom yang melibatkan Wavelet. Pada tahun 1985 Stephane Mallat menemukan beberapa kaitan antara quadrature mirror filter, pyramid algorithm, dan orthonormal bases Wavelet. Hasil penemuan tersebut menjadi batu loncatan bagi perkembangan Wavelet sampai sekarang ini. Termasuk diantaranya muncul berbagai jenis Wavelet yang dikembangkan seperti Morlet, Meyer, Daubechies, dan berbagai jenis Wavelet lain Wavelet Daubechies Adalah jenis Wavelet yang dikembangkan oleh Ingrid Daubechies.Wavelet ini memiliki kemampuan kompresi yang baik untuk detail tetapi sebaliknya untuk aproksimasi. Nilai-nilai untuk filter Daubechies dengan panjang 4 adalah : h 0 = ± h 3 = g 0= h 3 = g 2= h 1 =, h1 =,h 2 = dan koefisien skalanya adalah :,g1= -h2 = -,,g3= -h0 = Wavelet Coiflet Adalah jenis Wavelet yang dikembangkan oleh Coifman bersama Ingrid Daubechies. Wavelet ini memiliki kemampuan kompresi yang baik untuk detail maupun aproksimasi. Nilai-nilai untuk filter Coiflet dengan panjang 6 adalah : h = ( 1-7 ),h = ( ), h = ( ),h = ( 7-7 ), h = ( 1-7 ),h = ( ) Space L 2 (Ruang L 2 ) Didefinisikan sebagai berikut : L 2 (R) = { ( ) ^2 < } (1), Merupakan sebuah ruang diskrit yang mengalami proses integrasi dengan syarat f (t) L 2. Ruang ini merupakan ruang yang mendefinisikan daerah yang mengalami transformasi Wavelet. Nilai f (t) dapat dicari dengan rumus berikut : ( ) = ( ) / (2) Multiresolution Analysis (MRA) Merupakan analisa yang dilakukan pada sinyal yang terdiri dari beberapa rentang frekuensi dengan resolusi yang juga disesuaikan. Analisa ini memberikan hasil yang lebih baik karena komponen frekuensi tinggi pada sinyal dianalisa dengan resolusi waktu yang baik dan resolusi frekuensi yang kecil. Sedangkan komponen frekuensi rendah dianalisa dengan resolusi waktu yang kecil dan resolusi frekuensi yang baik. Analisa ini cocok untuk frekuensi tinggi dengan durasi pendek dan frekuensi rendah dengan durasi panjang. Untuk transformasi Wavelet, maka MRA dapat definisikan di bawah ini : Untuk, j adalah Ɛ Z, yang merupakan runtun dari ruang yang berada di dalam ruang L 2 (R). Maka adalah sebuah MRA dari L 2 (R) apabila memenuhi syarat-syarat berikut ini : (3) = L 2 (R) (4) = {0} (5) f(t) f ( 2 t ) (6) Transformasi Wavelet Transformasi Wavelet adalah salah satu jenis transformasi yang dilakukan pada sebuah sinyal sembarang yang dapat digunakan untuk mendapatkan informasi khusus yang hanya dimiliki sinyal sembarang tersebut. Salah satu kelebihan transformasi Wavelet adalah level dekomposisi yang dapat diatur, jenis Wavelet yang beragam, serta keleluasaan dalam membuat Wavelet yang sesuai dengan kebutuhan yang berhubungan dengan pengolahan sinyal. Beberapa jenis transformasi Wavelet : a Continuous Wavelet Transform (CWT) Berikut ini adalah persamaan dari CWT : X (a, b) = ( ) x(t) dt, dimana x (7) Dimana a merupakan skala dan b adalah pergeseran. Jadi Wavelet adalah sebuah fungsi gelombang kecil yang dapat digeser maupun diregangkan sesuai dengan model sinyal masukan yang akan dipasangkan b Discrete Wavelet Transform (DWT) Pada transformasi Wavelet Diskrit, nilai a dan b dihitung secara diskrit yaitu : a = 2, b = k * 2, j,k Z (8)
4 2.4.5.c Inverse Discrete Wavelet Transform (IDWT) Adalah proses untuk mengembalikan sinyal yang sudah terbagi menjadi beberapa elemen agar disatukan kembali membentuk sinyal baru. Pada proses ini umumnya digunakan Zero Padding pada sinyal yang akan dibangun serta digunakan proses konvolusi terhadap sinyal-sinyal yang sudah terbagi atas aproksimasi dan detail. 2.5 Thresholding Adalah proses yang akan menolkan nilai-nilai yang ada di dalam nilai ambang yang sudah ditetapkan. Ada dua jenis thresholding yaitu hard thresholding dan soft thresholding. Berikut ini adalah rumus dari hard threshold dan soft threshold : Untuk sebuah fungsi sinyal x(t) maka : Hard Threshold : x(t) Soft Threshold : x(t) sgn (t) = 0 < < <, >, > 0, +, < (9) (10) berderau ( noisy). sinyal tersebut pada blok Algoritma Denoising. Keluaran dari algoritma denoising merupakan siinyal yang diharapkan memiliki nilai korelasi 1, yaitu memiliki ciri yang sama dengan sinyal masukan sebelumnya. Algoritma denosing terdiri dari dua blok. Pertama adalah penghitung nilai Perbaikan SNRsinyal dapat dilihat pada bagan berikut: Gambar 3.2 Blok Penghitung nilai Perbaikan SNRdan selisih RMS Blok Penghitung nilai Perbaikan SNRdiperoleh dari hasil denoising sinyal berderau, kemudian hasil denoising ini dibandingkan dengan sinyal berderau dengan cara keduanya dicari selisih kuadrat terhadap sinyal asli kemudian dicari perbandingan dengan rumus perhitungan SNR pada umumnya. Sedangkan blok yang kedua adalah blok untuk menghitung nilai selisih RMS metode Wavelet. Blok ini dapat dilihat pada bagan berikut: Sinyal Berderau ProsesDekomposisi Delay Thresholding Rekonstruksi Menghitungnilai selisih RMS Gambar 2.3 Perbandingan penggunaan Hard Threshold dan Soft Threshold pada sinyal III PERANCANGAN SIMULASI PROGRAM 3.1 Rancang Bangun Sistem Keseluruhan Secara umum perancangan sistem secara keseluruhan untuk menghitung denoising sinyal adalah sebagai berikut: Gambar 3.1 Blok sistem keseluruhan simulasi Pada gambar 3.1 merupakan blok sistem keseluruhan dalam simulasi denoising sinyal berderau suatu sinyal. Sinyal masukan akan ditambahkan sinyal derau kemudian dilakukan denoising pada sinyal Gambar 3.3 Blok Penghitung nilai selisih RMS dengan metode Wavelet Sinyal berderau akan mengalami proses dekomposisi menjadi beberapa rentang frekuensi, kemudian memasuki blok delay agar tidak terjadi tumpang-tindih, kemudian mengalami proses thresholding dan akhirnya rekonstruksi sinyal menjadi sinyal yang diharapkan sama seperti sinyal masukan. 3.2 Perhitungan Perbaikan SNR dan selisih RMS dengan metode Wavelet Proses dekomposisi pada metode Wavelet diawali dengan menentukan jenis Wavelet yang akan digunakan pada program simulasi dengan MATLAB Simulink. Ada dua jenis Wavelet yaitu Daubechies dan Coiflet. Kemudian level dekomposisi ditentukan sampai maksimum 3 level. Tahap selanjutnya adalah melewatkan sinyal melalui blok transformasi Wavelet untuk proses dekomposisi, kemudian sinyal yang telah terurai memasuki blok delay untuk menentukan bagian sinyal yang terlebih dahulu mengalami proses thresholding. Kemudian sinyal memasuki blok thresholding dan di sinilah proses denoising terjadi.
5 Sinyal yang telah melalui proses denoising akan memasuki blok Inverse Wavelet Transform untuk dikembalikan lagi menjadi sinyal yang utuh. Sinyal ini dan sinyal berderau masing-masing kemudian dicari nilai SNR terhadap sinyal informasi (sinusoidal) dan dicari selisih antara kedua nilai tersebut. Nilai hasil selish disebut juga SNR Improvement dan merupakan nilai perbaikan SNR dari sinyal berderau. IV PENGUJIAN DAN ANALISIS 4.1 Simulasi Pengujian Pada pengujian ini, parameter awal yang akan digunakan sebagai acuan adalah sebagai berikut: Sinyal masukan adalah sinyal sinusoidal dengan parameter nilai frekuensi (F=32 Hz), Amplitudo minimum = -5, maksimum = 5, sudut fase ( =0 rad), dengan frekuensi sampling 8kHz, sampel per frame= 256. Stop time Sinyal noise merupakan jenis Gaussian dengan frekuensi sampling 8 khz, sampel per frame= 256, dan mendapatkan variasi gain. Jenis Wavelet yang digunakan adalah Daubechies dan Coiflets. Parameter pembanding hasil denoising adalah SNR Improvement dan selisih SNR Berikut ini adalh gambar 4.1 yang menunjukkan program untuk melakukan estimasi perbaikan SNR dengan metode Wavelet. Gambar 4.2 Hasil pengujian SNR Improvement terhadap nilai gain Dari gambar 4.2 dapat dilihat nilai SNR Improvement mengalami kenaikan dari nilai gain sampai 0.4 dan mengalami peurunan pada nilai gain 0.5 sampai 1. Hal ini menunjukkan bahwa kinerja metode Wavelet mengalami kenaikan dan penurunan pada rentang nilai gain sampai 1. Dimana penurunan performa pada nilai gain 0.5 sampai 1 disebabkan oleh koefisien derau yang mengalami proses threshold pada detail hasil iterasi mengalami penurunan karena koefisien pada derau dengan nilai gain 0.5 sampai 1 memiliki nilai yang sangat mendekati nilai dari sinyal informasi yaitu sinyal sinusoidal. Sedangkan pengaruh gain terhadap nilai selisih RMS ditunjukkan pada gambar 4.3 berikut. Gambar 4.1 Program Metode Wavelet untuk denoising Menguji pengaruh Gain Pengujian dilakukan dengan melakukan variasi pada gain sinyal noise. Sinyal hasil penjumlahan ( noisy) kemudian mengalami proses denoising. Kemudian mengukur sinyal keluaran berupa nilai SNR Improvement dan selisih RMS. Berikut ini tabel hasil simulasi dengan variasi gain antara sampai 1. Gambar 4.3 Grafik perbandingan selisih RMS Metode Wavelet dengan sinyal masukan Dari tabel 4.2 nilai selisih RMS terus mengalami kenaikan tanpa dipengaruhi oleh kondisi gain tertentu seperti SNR Improvement. Hal ini disebabkan nilai amplitudo dari sinyal gain yang ikut naik seiring makin besarnya nilai gain. Maka dapat diambil kesimpulan bahwa nilai selisih RMS akan terus naik seiring bertambahnya gain pada noise.
6 Menguji pengaruh amplitudo Pengujian dilakukan untuk menentukan pengaruh amplitudo pada SNR Improvement dan bentuk sinyal keluaran dari hasil denoising. gain yang digunakan 0.4, sampel per frame 256, dan frekuensi sampling 8 khz. Berikut ini adalah tabel dan grafik hasil perbandingan antara nilai amplitudo dengan nilai SNR Improvement metode Wavelet dan SNR Improvement target. Gambar 4.4 Grafik perbandingan Amplitudo dengan SNR Improvement Dari gambar 4.4 maka dapat diambil kesimpulan bahwa kinerja metode Wavelet dengan level dekomposisi yang tetap akan mengalami penurunan ketika amplitudo sinyal masukan semakin tinggi. Hal ini disebabkan oleh koefisien noise yang berbaur ke koefisien sinyal masukan, sehingga proses denoising memerlukan penambahan level dekomposisi dan derajat Wavelet Menentukan level thresholding Pada simulasi denoising dengan simulink, proses denoising terjadi pada blok threshold. Proses yang terjadi adalah pemotongan nilai koefisien dari sinyal yang masuk. Nilai koefisien diatur agar didapat hasil sinyal yang mendekati bentuk sinyal asli setelah melalui proses transformasi Wavelet balik. Berikut adalah adalah gambar hasil pengujian level thresholding terhadap selisih RMS sinyal dan perbaikan nilai SNR. Gambar 4.5 Hasil perbandingan Gain dengan Threshold Dari gambar 4.5 kita lihat bahwa nilai threshold mengalami kenaikan seiring dengan bertambahnya nilai gain pada noise. Dengan semakin besarnya derau, maka koefisien derau juga akan semakin banyak dan tersebar pada jarak yang lebih jauh dari titik 0, sehingga pada perhitungan threshold, kemungkinan besar koefisien dari sinyal masukan akan ikut hilang saat proses thresholding. V. PENUTUP 5.1 Kesimpulan Kesimpulan yang dapat diambil dari hasil pengujian dan pembahasan adalah sebagai berikut. 1. Perbaikan SNR terhadap perubahan gain antara sampai 0.01 pada Metode Wavelet Daubechies4 2 level dekomposisi dan Coiflet1 3 level dekomposisi mengalami pertambahan nilai masing-masing dari menjadi dan menjadi merupakan perubahan paling besar dari metode Wavelet yang diujikan. 2. Pada perbandingan selisih RMS terhadap perubahan gain dari sampai 1 nilai yang paling mendekati selisih RMS sinyal berderau dengan masukan adalah dari metode Wavelet Daubechies4 2 level dekomposisi dengan selisih Pada perbandingan kenaikan amplitudo dari 1 sampai 50 terhadap perbaikan SNR terjadi penurunan dengan selisih terbesar dari penurunan ini adalah pada Coiflet 1 3 level dekomposisi yaitu sedangkan selisih terkecil adalah Daubechies 2 3 level dekomposisi yaitu Pada perbandingan kenaikan gain dari sampai 1 terhadap perubahan nilai threshold metode Wavelet Coiflet1 dengan 2 dan 3 level dekomposisi memiliki nilai threshold yang lebih besar dari yang lain yaitu sekitar 16% dari Daubechies4 dan 15% dari Daubechies2. Maka semakin besar orde Wavelet maka nilai threshold akan semakin besar. 5.2 Saran Adapun saran yang dapat diberikan sehubungan dengan pelaksanaan penelitian ini adalah sebagai berikut. 1. Jenis sinyal yang digunakan dapat divariasikan seperti sinyal kotak atau segitiga. 2. Metode yang sudah ada bisa diganti atau dibandingkan dengan metode lain seperti adaptive LMS. 3. Menambahkan orde Wavelet untuk menambah ketepatan pada proses denoising.
7 Referensi [1] Boggess, Albert and Francis J. Narcowich. "A First Course in Wavelets with Fourier Analysis", Second Edition. John Wiley and Sons Inc., [2] HSU, Hwei, Ph.D, Schaum s Outlines, Komunikasi Analog dan Digital, edisi kedua. Erlangga, Jakarta, [3] Proakis, John G and Dimitris G. Manolakis. Pemrosesan sinyal digital: Prinsip-Prinsip, Algoritma dan Aplikasi, Edisi Bahasa Indonesia Jilid I. Prenhallindo, [4] J. Van Fleet, Patrick. " Discrete Wavelet Transformations, An Elementary Approach With Applications". John Wiley & Sons,Inc, [5] L. Donoho, David and Iain M. Johnstone. " Donoho 1995.pdf : Adapting to Unknown Smoothness via Wavelet Shrinkage". Journal of the American Statistical Association, Vol. 90, No. 432 (Dec., 1995), pp , diakses tanggal 24 Februari [6] Openheim, Alan V. and Alan S. Willsky. Sinyal dan Sistem, Edisi kedua jilid I, diterjemahkan oleh N.R. Poespawati dan Agus Santoso Tamsir, Erlangga, Jakarta [7] Salim, H. Pembuatan Modul Pengubah Sinyal Analog Menjadi Sinyal Digital (Analog To Digital Converter) Untuk Praktikum Laboratorium Dasar Telekomunikasi, 2010, diakses pada tanggal 23 Agustus [8] Saha,Avijit, Md. Sadikul Bari, Md. Abdul Awal, Sheikh Shanawaz Mostafa."906- Avijit.pdf : ECG Denoising Comparison between Coiflet Wavelet Families and Adaptive Filters". Electronics Communication Engineering Discipline Khulna University, [9] T.Karris, Steven. "Introduction to Simulink with Engineering Applications". Orchard Publications, 25 September [10] T.Karris, Steven. "Signals and Systems with MATLAB Computing and Simulink Modeling". Orchard Publications, 02 Maret BIODATA David Sebastyan Simangunsong, lahir di Jakarta tanggal 22 November Menempuh pendidikan dasar di SD Marsudirini. Melanjutkan ke SMP Marsudirini. Pendidikan tingkat atas di SMA Marsudirini. Dari tahun 2006 hingga saat ini masih menempuh pendidikan Strata-1 di Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang, konsentrasi Elektronika dan Telekomunikasi. Menyetujui, Dosen Pembimbing I Ajub Ajulian Zahra, S.T., M.T. NIP Dosen Pembimbing II Achmad Hidayatno, S.T., M.T. NIP
ESTIMASI PERBAIKAN NILAI SNR (SIGNAL TO NOISE RATIO) PADA PROSES DENOISING MENGGUNAKAN METODE WAVELET TERHADAP SUATU SINYAL BERDERAU
ESTIMASI PERBAIKAN NILAI SNR (SIGNAL TO NOISE RATIO) PADA PROSES DENOISING MENGGUNAKAN METODE WAVELET TERHADAP SUATU SINYAL BERDERAU David Sebastyan Simangunsong *), Ajub Ajulian Zahra, and Achmad Hidayatno
Lebih terperinciDAFTAR ISI. Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK... i ABSTRACT... ii KATA PENGANTAR...iii DAFTAR ISI... v DAFTAR GAMBAR...
ABSTRAK Noise merupakan salah satu kendala yang mempengaruhi kualitas sinyal suara yang ditransmisikan. Noise tersebut dapat berasal dari peralatan komunikasi itu sendiri atau pengaruh dari sumber luar.
Lebih terperinciAplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian
Aplikasi Transformasi Wavelet Untuk Menghilangkan Derau Pada Sinyal Peluahan Sebagian Swastiti Vinana Sari 1, Achmad Hidayatno 2, Abdul Syakur 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Sinyal PCG Denoising Dekomposisi Frekuensi cuplik 8Khz Frekuensi cuplik 44,1Khz Frekuensi cuplik 48Khz Coiflet Symlet Daubechies Biorthogonal
Lebih terperinciAnalisa Multiwavelet untuk Kompresi Suara
1 ISSN 1979-2867 (print) Electrical Engineering Journal Vol. 1 (2010) No. 1, pp. 1-11 Analisa Multiwavelet untuk Kompresi Suara Immanuel Silalahi 1 dan Riko Arlando Saragih 2 1 Alumni Jurusan Teknik Elektro
Lebih terperinciBAB II LANDASAN TEORI. terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang
BAB II LANDASAN TEORI 2.1 Sinyal Suara Jantung (PCG) Jantung adalah organ tubuh yang berfungsi untuk memompa darah dan terdiri dari bagian atas yang disebut serambi (atrium) dan bagian bawah yang disebut
Lebih terperinciANALISIS DATA RUNTUN WAKTU MENGGUNAKAN
ANALISIS DATA RUNTUN WAKTU MENGGUNAKAN METODE WAVELET THRESHOLDING DENGAN MAXIMAL OVERLAP DISCRETE WAVELET TRANSFORM (Studi Kasus : Nilai Tukar Rupiah Terhadap Dollar US Tahun 2004-2014) SKRIPSI Disusun
Lebih terperinciBAB I PENDAHULUAN. waktu adalah suatu deret observasi yang berurut dalam waktu. Analisis data
BAB I PENDAHULUAN 1.1. Latar Belakang Analisis time series (runtun waktu) banyak digunakan dalam berbagai bidang, misalnya ekonomi, teknik, geofisik, pertanian dan kedokteran. Runtun waktu adalah suatu
Lebih terperinciANALISIS MULTI WAVELET PADA KOMPRESI SUARA. Disusun Oleh: Immanuel Silalahi. Nrp :
ANALISIS MULTI WAVELET PADA KOMPRESI SUARA Disusun Oleh: Nama : Immanuel Silalahi Nrp : 0422060 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha, Jl. Prof.Drg.Suria Sumantri, MPH
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1. Diagram Blok Rancangan Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium.
Lebih terperinciKOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET
KOMPRESI SINYAL SUARA MENGGUNAKAN TRANSFORMASI WAVELET Allen Dick Scott / 0222033 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha Jl.Prof.Drg.Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciESTIMASI SIGNAL TO NOISE RATIO
ESTIMASI SIGNAL TO NOISE RATIO (SNR) MENGGUNAKAN METODE KORELASI Ahmad Dhiya ul Haq, Imam Santoso 2, Ajub Ajulian Zahra Macrina Jurusan Teknik Elektro, Fakultas Teknik Universitas Diponegoro Jl. Prof.
Lebih terperinciESTIMASI SIGNAL TO NOISE RATIO (SNR) MENGGUNAKAN METODE KORELASI
ESTIMASI SIGAL TO OISE RATIO (SR) MEGGUAKA METODE KORELASI Ahmad Dhiyaul Haq *), Imam Santoso, and Ajub Ajulian Zahra Macrina Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto,
Lebih terperinciPENGURANGAN NOISE UNTUK CITRA DENGAN ADAPTIVE MULTISCALE PRODUCTS THRESHOLDING. Rachma Putri Andilla ( )
PENGURANGAN NOISE UNTUK CITRA DENGAN ADAPTIVE MULTISCALE PRODUCTS THRESHOLDING Rachma Putri Andilla ( 0522028 ) Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Suria Sumantri 65, Bandung 40164,
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Gambar 3.1 Diagram Blok Rancangan Penelitian. 24 25 Metode penelitian yang digunakan meliputi studi kepustakaan, pembuatan program,
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI091391 OPTIMASI NILAI AMBANG WAVELET BERBASIS LOGIKA FUZZY PADA DENOISING CITRA BERWARNA (Kata kunci: denoising, transformasi wavelet, logika fuzzy, thresholding, median absolute
Lebih terperinciREALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 ABSTRAK
REALISASI ACTIVE NOISE REDUCTION MENGGUNAKAN ADAPTIVE FILTER DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) BERBASIS MIKROKONTROLER LM3S6965 Nama : Wito Chandra NRP : 0822081 Jurusan Teknik Elektro, Fakultas
Lebih terperinciSIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT
SIMULASI REDUKSI DERAU SINYAL SUARA PADA GEDUNG KEBUN RAYA PURWODADI PASURUAN DENGAN METODE DWT ( Kristiawan Purwanto, Tutug Dhanardono) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo
Lebih terperinciBAB 2 LANDASAN TEORI. mencakup teori speaker recognition dan program Matlab. dari masalah pattern recognition, yang pada umumnya berguna untuk
6 BAB 2 LANDASAN TEORI 2.1 Teori-teori Dasar / Umum Landasan teori dasar / umum yang digunakan dalam penelitian ini mencakup teori speaker recognition dan program Matlab. 2.1.1 Speaker Recognition Pada
Lebih terperinciDAFTAR ISI. i ABSTRACT. ii KATA PENGANTAR. viii DAFTAR GAMBAR
ABSTRAK Keberadaan noise dalam sinyal elektrokardiograf (EKG) dapat menyebabkan kesalahan interpretasi informasi jantung, yang pada akhirnya menyebabkan kesalahan pada penilaian kondisi jantung. Untuk
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari teori atau
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan meliputi studi kepustakaan dan penelitian laboratorium. Studi kepustakaan dilakukan untuk mencari
Lebih terperinciANALISIS PENGURANGAN DERAU PADA SINYAL LOUDSPEAKER MENGGUNAKAN FILTER ADAPTIF KALMAN
SINGUDA ENSIKOM VOL. 6 NO.3 /Maret 4 ANALISIS PENGUANGAN DEAU PADA SINYAL LOUDSPEAKE MENGGUNAKAN FILTE ADAPTIF KALMAN Fitriani Christhien Simbolon, Arman Sani Konsentrasi Teknik Telekomunikasi, Departemen
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam statistika dan pemrosesan sinyal, runtun waktu (time series) adalah rangkaian data berupa pengamatan yang diukur selama kurun waktu tertentu. Analisis
Lebih terperinciBAB I PENDAHULUAN. terbesar (39%), diikuti kanker (27%), sedangkan penyakit pernafasan kronis,
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung menduduki peringkat teratas penyebab kematian di dunia. Proporsi penyebab kematian penyakit tidak menular (PTM) pada orangorang berusia kurang
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG ABSTRAK
PENINGKATAN KUALITAS SINYAL SUARA DENGAN METODE PENDEKATAN SUBRUANG David Paroki Butarbutar / 0322138 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg. Suria Sumantri 65, Bandung 40164, Indonesia
Lebih terperinciSATUAN ACARA PERKULIAHAN EK.353 PENGOLAHAN SINYAL DIGITAL
EK.353 PENGOLAHAN SINYAL DIGITAL Dosen: Ir. Arjuni BP, MT : Sinyal dan Pemrosesan Sinyal Tujuan pembelajaran umum : Para mahasiswa mengetahui tipe-tipe sinyal, pemrosesan dan aplikasinya Jumlah pertemuan
Lebih terperinciBAB II LANDASAN TEORI. periode, yaitu periode kontraksi (sistole) dan relaksasi (diastole) (Abbas K, 2009).
BAB II LANDASAN TEORI 2.1 Suara Jantung Suara jantung merupakan salah satu contoh sinyal bunyi yang dihasilkan dari denyut jantung atau siklus jantung. Siklus jantung adalah interval dari akhir satu kontraksi
Lebih terperinciCOMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION
COMPARISON OF ONE DIMENSIONAL DCT AND LWT SPARSE REPRESENTATION Endra 1 ; Gusandy 2 ; Kurniawaty 3 ; Yenny Lan 4 Jurusan Sistem Komputer, Fakultas Ilmu Komputer, BINUS University, Jakarta Jln K.H. Syahdan
Lebih terperinciIDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET
IDENTIFIKASI JENIS TUMBUHAN BERDASARKAN TULANG DAUN MENGGUNAKAN ALIHRAGAM WAVELET Anang Setiaji *), Achmad Hidayatno, and Yuli Christyono Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof.
Lebih terperinciPengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE)
Pengurangan Noise pada Citra Menggunakan Optimal Wavelet Selection dengan Kriteria Linear Minimum Mean Square Error (LMMSE) Disusun Oleh : Nama : Abner Natanael R Nrp : 0522034 Jurusan Teknik Elektro,
Lebih terperinciudara maupun benda padat. Manusia dapat berkomunikasi dengan manusia dari gagasan yang ingin disampaikan pada pendengar.
BAB II DASAR TEORI 2.1 Suara (Speaker) Suara adalah sinyal atau gelombang yang merambat dengan frekuensi dan amplitudo tertentu melalui media perantara yang dihantarkannya seperti media air, udara maupun
Lebih terperinciPENINGKATAN KUALITAS SINYAL SUARA MENGGUNAKAN FILTER DIGITAL ADAPTIF DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) Ferdian Andrie/
PENINGKATAN KUALITAS SINYAL SUARA MENGGUNAKAN FILTER DIGITAL ADAPTIF DENGAN ALGORITMA LEAST MEAN SQUARE (LMS) Ferdian Andrie/0022169 Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciPenggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar
Penggunaan Tapis Adaptif Dalam Proses Editing suara Pada Pembuatan Film Layar Lebar Bambang Sudarmono Achmad Hidayatno Budi Setiyono Abstrak Permasalahan yang timbul ketika melakukan pengambilan suara
Lebih terperinciBAB II DASAR TEORI. sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda.
BAB II DASAR TEORI. Umum Pada kebanyakan sistem, baik itu elektronik, finansial, maupun sosial sebagian besar masalahnya timbul dikarenakan interface sub-part yang berbeda. Karena sebagian besar sinyal
Lebih terperinciPENDETEKSIAN LONCATAN DAN PUNCAK TAJAM DENGAN METODE WAVELET
PENDETEKSIAN LONCATAN DAN PUNCAK TAJAM DENGAN METODE WAVELET SKRIPSI Oleh : Dwi Septian Nurdina NIM. J2A 604 014 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO
Lebih terperinciPENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET. Oleh : RHOBI ROZIEANSHAH NIM : 13203054
PENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET LAPORAN TUGAS AKHIR Dibuat sebagai Syarat untuk Meraih Gelar Sarjana Teknik Elektro dari Institut Teknologi
Lebih terperinciSIGNAL AND NOISE IN COMMUNICATION SYSTEM
SIGNAL AND NOISE IN COMMUNICATION SYSTEM Signal, Noise and S/N Signal is used to carry useful information; noise, which enters the system from a variety of sources and degrades the signal, reducing the
Lebih terperinciANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET
ANALISA ENERGY COMPACTION PADA DEKOMPOSISI WAVELET D.A.K. Pramita, I M. O. Widyantara, D. M. Wiharta Teknik Elektro FT UNUD Email: pramita.wayu@gmail.com ABSTRAK In the modern era, the medical world utilizes
Lebih terperinciKINERJA MODULASI DIGITAL DENGAN METODE PSK (PHASE SHIFT KEYING)
KINERJA MODULASI DIGITAL DENGAN METODE PSK (PHASE SHIFT KEYING) Agha Kurniawan Hapsara 1, Imam Santoso 2, Ajub Ajulian 2 Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang, Indonesia
Lebih terperinciAplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf
Widodo, Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf 95 Aplikasi Wavelet Untuk Penghilangan Derau Isyarat Elektrokardiograf Bernardinus Sri Widodo Program Studi Mekatronika, Universitas
Lebih terperincipenulisan ini dengan Perancangan Anti-Aliasing Filter Dengan Menggunakan Metode Perhitungan Butterworth. LANDASAN TEORI 2.1 Teori Sampling Teori Sampl
PERANCANGAN ANTI-ALIASING FILTER DENGAN MENGGUNAKAN METODE PERHITUNGAN BUTTERWORTH 1 Muhammad Aditya Sajwa 2 Dr. Hamzah Afandi 3 M. Karyadi, ST., MT 1 Email : muhammadaditya8776@yahoo.co.id 2 Email : hamzah@staff.gunadarma.ac.id
Lebih terperinciANALISA KINERJA ESTMASI KANAL DENGAN INVERS MATRIK PADA SISTEM MIMO. Kukuh Nugroho 1.
ANALISA KINERJA ESTMASI KANAL DENGAN INVERS MATRIK PADA SISTEM MIMO Kukuh Nugroho 1 1 Jurusan Teknik Telekomunikasi, Sekolah Tinggi Teknologi Telematika Telkom Purwokerto e-mail :kukuh@st3telkom.ac.id
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Suara paru terjadi karena adanya turbulensi udara saat udara memasuki saluran pernapasan selama proses pernapasan. Turbulensi ini terjadi karena udara mengalir dari
Lebih terperinciBAB 1 PENDAHULUAN. meruntuhkan bangunan-bangunan dan fasilitas umum lainnya.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Gempa bumi merupakan fenomena alam yang sudah tidak asing lagi bagi kita semua, karena seringkali diberitakan adanya suatu wilayah dilanda gempa bumi, baik yang ringan
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Database sinyal EKG Pengambilan data dari database Visual Basic 6.0 Discrete Wavelet Transform (DWT) Dekomposisi Daubechies Orde 2
Lebih terperinciWATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION
WATERMARKING PADA CITRA DIGITAL BERBASIS DISCRETE WAVELET TRANSFORM DAN SINGULAR VALUE DECOMPOSITION Disusun oleh : Nama : Hendra Togi Manalu Nrp : 0522121 Jurusan Teknik Elektro, Fakultas Teknik,, Jl.
Lebih terperinciBAB I PENDAHULUAN. Penyakit jantung merupakan salah satu penyebab kematian terbesar di
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit jantung merupakan salah satu penyebab kematian terbesar di Indonesia (Depkes, 2011). Penyakit jantung ini merupakan salah satu penyakit yang tidak
Lebih terperinciPERBANDINGAN KUALITAS WATERMARKING DALAM CHANNEL GREEN DENGAN CHANNEL BLUE UNTUK CITRA RGB PADA DOMAIN FREKUENSI ABSTRAK
PERBANDINGAN KUALITAS WATERMARKING DALAM CHANNEL GREEN DENGAN CHANNEL BLUE UNTUK CITRA RGB PADA DOMAIN FREKUENSI Lucky David Tando ( 0522025 ) Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof. Drg. Suria
Lebih terperinciPemisahan Sinyal Noise Pada Pengolahan Data Medan Magnet Bumi Menggunakan Transformasi Wavelet
Pemisahan Sinyal Noise Pada Pengolahan Data Medan Magnet Bumi Menggunakan Transformasi Wavelet Setyanto Cahyo Pranoto Pusat Sains Antariksa, Lembaga Penerbangan Dan Antariksa Nasional - LAPAN, Jl. DR.
Lebih terperinciIMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713
IMPLEMENTASI MULTIPATH FADING RAYLEIGH MENGGUNAKAN TMS320C6713 Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang Email: aryobaskoro@mail.unnes.ac.id Abstrak. Karakteristik kanal wireless ditentukan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Seiring berkembangnya teknologi, digitalisasi sidik jari sudah sering digunakan, terutama pada passport, ID Card, visa dan dokumen lainnya. Karena kapasitas penyimpanan untuk menyimpan sidik jari
Lebih terperinciKOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK
KOMPRESI CITRA MENGGUNAKAN COMPRESSED SENSING BERBASIS BLOK Disusun Oleh : Ardyan Lawrence (1022068) Jurusan Teknik Elektro, Fakultas Teknik,, Jl. Prof. Drg. Suria Sumantri, MPH No.65, Bandung, Indonesia.
Lebih terperinciBAB III METODE PENELITIAN DAN PERANCANGAN SISTEM. Metode penelitian yang digunakan pada penelitian ini adalah denoising
BAB III METODE PENELITIAN DAN PERANCANGAN SISTEM 3.1 Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah denoising menggunakan Blind Source Separation dengan metode ICA. Data
Lebih terperinciPROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA
RANCANG BANGUN SISTEM KOMUNIKASI ANTAR PEMAKAI HELM BERBASIS PENGENALAN WICARA DISUSUN OLEH : YUNUS WICAKSONO SUGIARSO NRP.2208204002 PROGRAM PASCA SARJANA JURUSAN TEKNIK ELEKTRO ELEKTRONIKA INSTITUT TEKNOLOGI
Lebih terperinciPERANCANGAN SIMULATOR MODULASI DAN DEMODULASI 16-QAM DAN 64QAM MENGGUNAKAN LABVIEW
e-proceeding of Applied Science : Vol.1, No.2 Agustus 2015 Page 1450 PERANCANGAN SIMULATOR MODULASI DAN DEMODULASI 16- DAN 64 MENGGUNAKAN LABVIEW DESIGN OF MODULATION AND DEMODULATION SIMULATOR FOR 16-
Lebih terperinciPresentasi Tugas Akhir
Presentasi Tugas Akhir Estimasi Doppler Spread pada Sistem Orthogonal Frequency Division Multiplexing (OFDM) dengan Metode Phase Difference Walid Maulana H 2208100101 Pembimbing : Prof. Dr. Ir. Gamantyo
Lebih terperinciBAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET. 1980, dalam bahasa Prancis ondelette, yang berarti gelombang kecil.
BAB III PROTEKSI TRANSFORMATOR DAYA MENGGUNAKAN TRANSFORMASI WAVELET A. Dasar Teori Transformasi Kata dikemukakan oleh Morlet dan Grossmann pada awal tahun 1980, dalam bahasa Prancis ondelette, yang berarti
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM. GEMBONG EDHI SETYAWAN, S.T., M.T. -
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM GEMBONG EDHI SETYAWAN, S.T., M.T. gembong@ub.ac.id - http://gembong.lecture.ub.ac.id Apa itu sinyal? Besaran fisis yang berubah menurut waktu, ruang atau variabel-variabel
Lebih terperinciBAB II PENCUPLIKAN DAN KUANTISASI
BAB II PENCUPLIKAN DAN KUANTISASI Sebagian besar sinyal-sinyal di alam adalah sinyal analog. Untuk memproses sinyal analog dengan sistem digital, perlu dilakukan proses pengubahan sinyal analog menjadi
Lebih terperinciANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV 1
Jurnal Reaksi (Journal of Science and Technology) ANALISIS PERFORMANSI FILTER DIGITAL IIR DARI PROTOTYPE BUTTERWORTH DAN CHEBYSHEV Raisah Hayati Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Lhokseumawe
Lebih terperinciMATERI PENGOLAHAN SINYAL :
MATERI PENGOLAHAN SINYAL : 1. Defenisi sinyal 2. Klasifikasi Sinyal 3. Konsep Frekuensi Sinyal Analog dan Sinyal Diskrit 4. ADC - Sampling - Aliasing - Quantiasasi 5. Sistem Diskrit - Sinyal dasar system
Lebih terperinciJony Sitepu/ ABSTRAK
PERBANDINGAN ESTIMASI SELUBUNG SPEKTRAL DARI BUNYI VOICED MENGGUNAKAN METODE AUTO-REGRESSIVE (AR) DENGAN OPTIMIZATION OF THE LIKELIHOOD CRITERION (OLC) Jony Sitepu/0422166 Jurusan Teknik Elektro, Fakultas
Lebih terperinciKomunikasi Data POLITEKNIK NEGERI SRIWIJAYA. Lecturer: Sesi 5 Data dan Sinyal. Jurusan Teknik Komputer Program Studi D3 Teknik Komputer
POLITEKNIK NEGERI SRIWIJAYA Jurusan Teknik Komputer Program Studi D3 Teknik Komputer Lecturer: M. Miftakul Amin, S. Kom., M. Eng. Komunikasi Data Sesi 5 Data dan Sinyal 2015 Komunikasi Data 1 Data & Sinyal
Lebih terperinciPerbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) ABSTRAK
Perbandingan Estimasi Selubung Spektral dari Bunyi Voiced Menggunakan Metoda Auto-Regressive (AR) dengan Weighted-Least-Square (WLS) Bogerson/0322076 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof.
Lebih terperinciPERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT)
PERBANDINGAN ANALISA IMAGE WAJAH DIGITAL MENGGUNAKAN METODE COSINUS PAKET (CPT) DAN METODE WAVELET (DWT) Suparti dan Farikhin Jurusan Matematika FMIPA Undip Abstrak Dalam perkembangan IPTEK seringkali
Lebih terperinciABSTRAK. PDF created with FinePrint pdffactory Pro trial version
ABSTRAK Scattering Parameters (S-Parameter) merupakan suatu metode pengukuran yang berhubungan dengan daya datang dan daya pantul. Dalam tugas akhir ini dibahas prinsip kerja S-Parameter yang berhubungan
Lebih terperinciDESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT
DESAIN DAN IMPLEMENTASI SISTEM PENINGKATAN KUALITAS PEREKAMAN AUDIO DENGAN WAVELET NOISE REDUCTION DAN AUTOMATIC GAIN ADJUSTMENT Mayo Ama Kella Loing, Koredianto Usman, Rita Magdalena Institut Teknologi
Lebih terperinciSIMULASI ESTIMASI FREKUENSI UNTUK QUADRATURE AMPLITUDE MODULATION MENGGUNAKAN DUA SAMPEL TERDEKAT
Abstrak SIMULASI ESTIMASI FREKUENSI UNTUK QUADRATURE AMPLITUDE MODULATION MENGGUNAKAN DUA SAMPEL TERDEKAT Ferdian Belia/9922074 Jurusan Teknik Elektro, Fakultas Teknik Elektro, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciBLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD)
BLIND WATERMARKING PADA CITRA DIGITAL MENGGUNAKAN DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) Disusun Oleh : Johansen Valentino (0822062) Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciKOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM. GEMBONG EDHI SETYAWAN, S.T., M.T. -
KOMPUTASI SINYAL DIGITAL SINYAL DAN SISTEM GEMBONG EDHI SETYAWAN, S.T., M.T. gembong@ub.ac.id - http://gembong.lecture.ub.ac.id Apa itu sinyal? Besaran fisis yang berubah menurut waktu, ruang atau variabel-variabel
Lebih terperinciANALISA IMAGE SIDIK JARI DIGITAL MENGGUNAKAN METODE WAVELET PAKET Oleh: Suparti Staf Pengajar Jurusan Matematika, FMIPA, Undip
ANALISA IMAGE SIDIK JARI DIGITAL MENGGUNAKAN METODE WAVELET PAKET Oleh: Suparti Staf Pengajar Jurusan Matematika, FMIPA, Undip Abstrak Dalam proses pengiriman image seringkali mengalami noise (gangguan)
Lebih terperinciPENGUJIAN TEKNIK FAST CHANNEL SHORTENING PADA MULTICARRIER MODULATION DENGAN METODA POLYNOMIAL WEIGHTING FUNCTIONS ABSTRAK
Abstrak PENGUJIAN TEKNIK FAST CHANNEL SHORTENING PADA MULTICARRIER MODULATION DENGAN METODA POLYNOMIAL WEIGHTING FUNCTIONS Jongguran David/ 0322136 Jurusan Teknik Elektro, Fakultas Teknik, Jl. Prof. Drg.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian terkait Gunung Merapi merupakan hal yang menarik untuk dilakukan. Berbagai metode digunakan untuk mengetahui aktivitas dan karakteristik dari gunung tersebut.
Lebih terperinciIsyarat. Oleh Risanuri Hidayat. Isyarat. Bernilai real, skalar Fungsi dari variabel waktu Nilai suatu isyarat pada waktu t harus real
Isyarat Oleh Risanuri Hidayat Isyarat adalah Isyarat Bernilai real, skalar Fungsi dari variabel waktu Nilai suatu isyarat pada waktu t harus real Contoh isyarat: Tegangan atau arus listrik dalam suatu
Lebih terperinciDAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... vii DAFTAR TABEL... viii DAFTAR SINGKATAN...
ABSTRAK Sistem navigasi kendaraan dewasa ini banyak bergantung pada GPS (Global Positioning System). Akan tetapi sinyal GPS tidak bisa selalu tersedia di setiap keadaan dikarenakan pemblokan atau pelemahan
Lebih terperinciDAFTAR ISI Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR GAMBAR DAFTAR TABEL
ABSTRAK Pengiriman data pada saluran komunikasi data berupa citra sangatlah bermanfaat, seperti pengiriman data lewat fax, telepon genggam dan satelit luar angkasa dan sebagainya. Sering kali pada prakteknya
Lebih terperinciTeknik Sistem Komunikasi 1 BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Model Sistem Komunikasi Sinyal listrik digunakan dalam sistem komunikasi karena relatif gampang dikontrol. Sistem komunikasi listrik ini mempekerjakan sinyal listrik untuk membawa
Lebih terperinciPERAMALAN DATA SAHAM DENGAN TRANSFORMASI WAVELET HAAR
UJM 4 (2) (2015) Unnes Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm PERAMALAN DATA SAHAM DENGAN TRANSFORMASI WAVELET HAAR Leili Ulfiati, Sugiman Jurusan Matematika, FMIPA, Universitas
Lebih terperinciMODUL 2 PENGHITUNGAN ENERGI PADA SINYAL WICARA
MODUL PENGHIUNGAN ENERGI PADA SINYAL WICARA I. UJUAN - Mahasiswa mampu melakukan proses penghitungan energi pada sinyal wicara dengan menggunakan perangkat lunak. II. DASAR EORI.1. Energi Suatu Sinyal
Lebih terperinciJaringan Syaraf Tiruan pada Robot
Jaringan Syaraf Tiruan pada Robot Membuat aplikasi pengenalan suara untuk pengendalian robot dengan menggunakan jaringan syaraf tiruan sebagai algoritma pembelajaran dan pemodelan dalam pengenalan suara.
Lebih terperinciTRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM
Saintia Matematika ISSN: 2337-9197 Vol. 02, No. 01 (2014), pp. 95 104. TRANSFORMASI WAVELET DISKRIT PADA SINTETIK PEMBANGKIT SINYAL ELEKTROKARDIOGRAM Yedidia Panca, Tulus, Esther Nababan Abstrak. Transformasi
Lebih terperinciPemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat
Pemampatan Citra Warna Menggunakan 31 Fungsi Gelombang-Singkat Albertus Joko Santoso Teknik Informatika Fakultas Teknologi Industri Universitas Atma Jaya Yogyakarta albjoko@mail.uajy.ac.id Gede Bayu Suparta
Lebih terperinciBAB I PENDAHULUAN. resistor, kapasitor ataupun op-amp untuk menghasilkan rangkaian filter. Filter analog
BAB I PENDAHULUAN 1.1 Latar Belakang Filter merupakan suatu perangkat yang menghilangkan bagian dari sinyal yang tidak di inginkan. Filter digunakan untuk menglewatkan atau meredam sinyal yang di inginkan
Lebih terperinciTransformasi Wavelet Diskrit (Discrete Wavelet Transforms): Teori dan Penerapan Pada Sistem Daya
1 Transformasi Wavelet Diskrit (Discrete Wavelet Transforms): Teori dan Penerapan Pada Sistem Daya Jannus Maurits Nainggolan Jurusan Teknik Elektro Fakultas Teknik Universitas Lampung ABSTRACT This paper
Lebih terperinciSimulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting
Simulasi dan Deteksi Hubung Singkat Impedansi Tinggi pada Stator Motor Induksi Menggunakan Arus Starting Simulation and Detection of High Impedance Short Circuit on Stator Induction Motor Using Starting
Lebih terperinciGambar IV-1. Perbandingan Nilai Korelasi Antar Induk Wavelet Pada Daerah Homogen Untuk Level Dekomposisi Pertama
BAB IV ANALISIS IV.1 Analisis Terhadap Hasil Pengolahan Data Gambar IV-1 menunjukkan peningkatan nilai korelasi dari sebelum transformasi wavelet dengan setelah transformasi wavelet pada level dekomposisi
Lebih terperinciIDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA ABSTRAK
IDENTIFIKASI KANAL FIR SECARA BUTA UNTUK SISTEM DUA-MASUKAN-DUA-KELUARAN PADA DOMAIN FREKUENSI MENGGUNAKAN STATISTIK ORDE DUA Sempurna keliat / 0122171 Jurusan Teknik Elektro, Fakultas Teknik, Jln. Prof.
Lebih terperinciANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD
ANALISIS UNJUK KERJA EKUALIZER PADA SISTEM KOMUNIKASI DENGAN ALGORITMA GODARD Butet Nata M Simamora, Rahmad Fauzi Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas Teknik Universitas
Lebih terperinciPengolahan Sinyal Digital
Pengolahan Sinyal Digital Referensi : 1. C. Marven and G. Ewers, A Simple Approach to Digital Signal Processing, Wiley, 1997. 2. Unningham, Digital Filtering, Wiley, 1991. 3. Ludeman, Fundamental of digital
Lebih terperinciBAB II TINJAUAN PUSTAKA. terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
BAB II TINJAUAN PUSTAKA 2. Nada dan Solmisasi 2.. Nada Apa yang dapat kita tangkap dengan pendengaran, disebut suara. Suara terjadi karena bergetarnya suatu benda, yang menyebabkan udara di sekelilingnya
Lebih terperinciKata kunci: Fourier, Wavelet, Citra
TRANSFORMASI FOURIER DAN TRANSFORMASI WAVELET PADA CITRA Oleh : Krisnawati Abstrak Tranformasi wavelet merupakan perbaikan dari transformasi Fourier. Transformasi Fourier hanya dapat menangkap informasi
Lebih terperinciBAB I PENDAHULUAN. 1 Universitas Kristen Maranatha
BAB I PENDAHULUAN I.1 Latar Belakang Masalah Perkembangan dunia digital, terutama dengan berkembangnya internet, menyebabkan informasi dalam berbagai bentuk dan media dapat tersebar dengan cepat tanpa
Lebih terperinciKOMUNIKASI DATA SUSMINI INDRIANI LESTARININGATI, M.T
Data dan Sinyal Data yang akan ditransmisikan kedalam media transmisi harus ditransformasikan terlebih dahulu kedalam bentuk gelombang elektromagnetik. Bit 1 dan 0 akan diwakili oleh tegangan listrik dengan
Lebih terperinciAnalisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT)
Analisa Suara Jantung Normal Menggunakan Discrete Wavelet Transform (DWT) dan Fast Fourier Transform (FFT) Putri Madona Jurusan Teknik Elektro Program Studi Teknik Elektronika Politeknik Caltex Riau Pekanbaru,
Lebih terperinciBab II Teori Dasar. Gambar 2.1 Diagram blok sistem akuisisi data berbasis komputer [2]
Bab II Teori Dasar 2.1 Proses Akuisisi Data [2, 5] Salah satu fungsi utama suatu sistem pengukuran adalah pembangkitan dan/atau pengukuran tehadap sinyal fisik riil yang ada. Peranan perangkat keras (hardware)
Lebih terperinciANALISIS DWT SEBAGAI TRANSFORMASI SPARSITY UNTUK PENCUPLIKAN KOMPRESIF PADA AUDIO ANALYSIS OF DWT AS SPARSITY TRANSFORM FOR AUDIO COMPRESSIVE SAMPLING
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 216 Page 1772 ANALISIS DWT SEBAGAI TRANSFORMASI SPARSITY UNTUK PENCUPLIKAN KOMPRESIF PADA AUDIO ANALYSIS OF DWT AS SPARSITY TRANSFORM
Lebih terperinciPenerapan Transformasi Wavelet Diskrit Untuk Reduksi Noise Pada Citra Digital
J. of Math. and Its Appl. ISSN: 1829-605X Vol. 1, No. 1 (2004), 49 57 Penerapan Transformasi Wavelet Diskrit Untuk Reduksi Noise Pada Citra Digital Dwi Ratna Herlina Khukmiati Jurusan Matematika Institut
Lebih terperinciANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE
ANALISA WATERMARKING MENGGUNAKAN TRASNFORMASI LAGUERRE Muhamad Sofwan & Dadang Gunawan Departemen Teknik Elektro Fakultas Teknik Universitas Indonesia ABSTRAK Teknik watermarking dibagi menjadi dua, yaitu
Lebih terperinciEKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN
EKSTRAKSI CIRI CITRA TELAPAK TANGAN DENGAN ALIHRAGAM GELOMBANG SINGKAT HAAR MENGGUNAKAN PENGENALAN JARAK EUCLIDEAN Ilina Khoirotun Khisan Iskandar *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinci